汽车测试基础实验报告

《汽车测试基础实验报告》由会员分享，可在线阅读，更多相关《汽车测试基础实验报告（8页珍藏版）》请在金锄头文库上搜索。

1、1、实验目的 1.1 一元线性回归方程的求解。 1.2 回归直线的显著性检验2、实验设备、仪器及材料 2.1CPUPIII1000HZ,内存64MB RAM，1G硬盘空间计算机； 2.2安装Visual Basic 6.0；3、实验内容 3.1实验方案设计与选择由于数据少，课件爱那个数据保存在两个数组中，然后利用循环语句，对应数据在自定义用户坐标系上进行描点，连线，进行分析。针对实验要求的线性回归，也可利用循环结构，对数组中保存的数据进行累加操作，得到计算线性回归方程的系数，并依此画出拟合直线。 3.2实验原理及实验步骤 实验原理：利用VB面对对象，语法简单，结构易学，运行速度快的特点，根据最

2、小二乘法公式，对数据进行循环处理。然后利用VB中的画线函数，绘制拟合直线。由于线性回归过程简单，变量类型均为局部变量。 实验步骤：1、 在VB程序中，将原始数据用二维XY图绘制出来；X1381013151720Y7.510.114.817.520.222.425.127.62、 观察其是否近似为直线关系，如果是，则利用一元线性回归分析进行直线拟合，ya+bx；3、 利用最小二乘法，计算a，b参数；4、 在图中适当位置，标出拟合后的直线方程；5、 采用相关系数检验进行回归直线的显著性检验 3.3实验记录（核心代码及调试过程） 描点的按钮代码如下：Private Sub Command1_Clic

3、k()Dim x1 As Single, y1 As SingleDim x As Variant, y As Variant x = Array(1, 3, 8, 10, 13, 15, 17, 20) y = Array(7.5, 10.1, 14.8, 17.5, 20.2, 22.4, 25.1, 27.6) Picture1.Scale (-1, 30)-(35, -1) Picture1.Line (0, 29)-(0, -1) Picture1.Line (34, 0)-(-1, 0) For i = 1 To 8 x1 = x(i) y1 = y(i) Picture1.Cir

4、cle (x1, y1), 0.2, vbRed Next iEnd Sub 按下描点按钮后运行结果如图： 一元线性回归按钮的代码如下：Private Sub Command2_Click()Dim x As Variant, y As Variant x = Array(1, 3, 8, 10, 13, 15, 17, 20) y = Array(7.5, 10.1, 14.8, 17.5, 20.2, 22.4, 25.1, 27.6) For i = 1 To 8 m1 = m1 + x(i) * y(i) m2 = m2 + x(i): m3 = m3 + y(i) m4 = m4 +

5、 x(i) * x(i) m5 = m5 + y(i) * y(i) Next i b1 = (m1 - m2 * m3 / 8): b2 = m4 - m2 * m2 / 8: b3 = m5 - m3 * m3 / 8 b = b1 / b2 a = m3 / 8 - b * m2 / 8 r = b * Sqr(b2 / b3) Text1.Text = a= & a Text2.Text = b= & b Text3.Text = r= & r For i = 0 To 20 Step 0.01 x1 = i y1 = a + b * x1 Picture1.PSet (x1, y1)

6、 Next i Picture1.Print y=bx+aEnd Sub 按下一元线性回归按钮运行结果如图：4、实验总结 4.1实验结果分析及问题讨论 上面a、b参数的计算公式是怎么得出的？其计算公式的原理来自于最小二乘法，在误差理论中最小二乘法德基本含义是：在具有等精度的多次测量中，求最可信值时，是当各测量值的偏差平方和为最小时所得的值。本实验的数据近似为直线方程，即为那么求解线性回归系数a b 有如下公式而式中的各项参数均能通过数据求得，具体计算公式如下：VB代码中就是通过计算上述的4个参数，然后代入到a b的计算公式中，最后得到a和b 4.2实验总结心得体会本次试验运用了VB编程语言，而

7、对汽车测试系统中所讲到的误差分析进行了线性回归处理。通过上机实验，我深入的学习了误差理论，误差处理，线性回归分析。巩固了课堂知识，印象深刻。1、实验目的 1.1异常数据的取舍 1.2一元非线性回归方程的求解。2、实验设备、仪器及材料 2.1 CPUPIII1000HZ,内存64MB RAM，1G硬盘空间计算机； 2.2安装Visual Basic 6.0；3、实验内容 3.1实验方案设计与选择第一步 由于数据量少，可将数据保存在两个数组中，然后利用循环语句，对应数据在自定义用户坐标上进行描点，连线。第二步 对图形进行初步分析和经验公式的判断。第三步 确定经验公式类型以后，将已确定的函数类型变换

8、坐标，是曲线方程变为直线方程。第四步 根据变换后的直线方程，采用最小二乘法确定直线方程中的未知量。第五步 求得直线方程的未知量后，将该直线方程反变换为原先的曲线方程。第六步 根据得到的曲线方程式，在VB中运用循环语句进行画图。 3.2实验原理及实验步骤1. 在VB程序中，将原始数据用二维XY图绘制出来；x1113151820232528303235y453430262320.223191817.6152. 观察数据曲线，是否有异常数据？如有，按照相关准则，进行取舍。3. 去掉异常数据，观察曲线类型，利用非线性曲线 直线的方法，再利用一元线性回归分析进行直线拟合，最后得到曲线方程。4.在图中适当

9、位置，标出拟合后的曲线方程； 3.3实验记录 描点的按钮代码如下： Private Sub Command1_Click()Dim x1 As Single, y1 As SingleDim x As Variant, y As Variant x = Array(11, 13, 15, 18, 20, 23, 25, 28, 30, 32, 35) y = Array(45, 34, 30, 26, 23, 20.2, 23, 19, 18, 17.6, 15) Picture1.Scale (-1, 60)-(60, -1) Picture1.Line (0, 60)-(0, -1) Pi

10、cture1.Line (60, 0)-(-1, 0) For i = 1 To 11 x1 = x(i) y1 = y(i) Picture1.Circle (x1, y1), 0.3, vbRed Next iEnd Sub按下描点按钮后运行结果如图： 去点按钮的代码如下：Private Sub Command2_Click()Picture1.ClsDim x1 As Single, y1 As SingleDim x As Variant, y As Variant x = Array(11, 13, 15, 18, 20, 23, 28, 30, 32, 35) y = Array(

11、45, 34, 30, 26, 23, 20.2, 19, 18, 17.6, 15) Picture1.Scale (-1, 60)-(60, -1) Picture1.Line (0, 60)-(0, -1) Picture1.Line (60, 0)-(-1, 0) For i = 1 To 10 x1 = x(i) y1 = y(i) Picture1.Circle (x1, y1), 0.3, vbRed Next iEnd Sub按下去点按钮后运行结果如下图所示： 一元非线性回归按钮的代码如下： Private Sub Command3_Click()Dim x As Varian

12、t, y As Variant x = Array(11, 13, 15, 18, 20, 23, 28, 30, 32, 35) y = Array(45, 34, 30, 26, 23, 20.2, 19, 18, 17.6, 15) For i = 1 To 10 m1 = m1 + x(i) * (1 / y(i) m2 = m2 + x(i): m3 = m3 + (1 / y(i) m4 = m4 + x(i) * x(i) m5 = m5 + (1 / y(i) * (1 / y(i) Next i b1 = (m1 - m2 * m3 / 10): b2 = m4 - m2 *

13、 m2 / 10: b3 = m5 - m3 * m3 / 10 b = b1 / b2 a = m3 / 10 - b * m2 / 10 r = b * Sqr(b2 / b3) Text1.Text = a= & a Text2.Text = b= & b For i = 1 To 50 Step 0.01 x1 = i y1 = a + b * x1 Picture1.PSet (x1, 1 / y1) Next i Picture1.Print Picture1.Print 1/y=; a; +; b; /xEnd Sub按下一元非线性回归按钮运行结果如图：4、实验总结 4.1实验结果分析及问题讨论异常数据的取舍方法有哪些？答：异常数据的取舍方法包括三个准则。 1.莱以特准则，他是已测量次数充分大为前提。2.罗曼诺夫斯基准则。又称为t分布检验准则。当测量次数较少时，判断粗大误差按t分布的实际误差分布范围较为合理。3.格罗布斯准则。 4.2实验总结心得体会 本次上机实验，由于数据较少。因此本次试验的结果误差也较大，主要原因是由于数据中的粗大误差并没有被排除，导致计算结果误差大。 / 文档可自由编辑打印